Intellectual and Developmental Disabilities (IDD) and Cancer Symptom Reporting in Ontario, Canada
Notice bibliographique
Résumé
Introduction: Symptom assessment is key to managing symptom burden following a cancer diagnosis. People with IDD receive inequitable health care and experience worse outcomes from cancer; disparities may also exist in routine cancer symptom screening. In this study, we investigated whether differences exist in cancer symptom assessment between people with and without IDD. Methods: We conducted a matched retrospective cohort of adults in Ontario with and without IDD who received a cancer diagnosis between 2010-2019 using administrative health data at ICES. Individuals were followed until 30/9/2021. Among people with cancer, those with IDD were hard-matched 1:5 to those without IDD on age at diagnosis, sex, diagnosis year, cancer type, and regional cancer centre registration. Cumulative incidence of first symptom assessment accounting for death as a competing risk was estimated. Subdistribution and cause-specific hazard models were used. Effect modification by cancer stage was investigated. Results:1545 people with IDD were matched to 7,725 people without IDD. Individuals with IDD experienced a lower incidence of cancer symptom assessment (1-year probability: 0.62 vs. 0.77). People with IDD had lesser rates of symptom assessment (subdistribution HR: 0.63, 95% CI: 0.59,0.67) (cause-specific HR: 0.69, 95% CI: 0.65,0.73) relative to those without IDD. Results were consistent across cancer stages. Discussion: The incidence of cancer symptom assessment is lower among cancer patients with IDD compared to those without. These findings may indicate poor usability of the symptom screening tool; language and readability checks should be conducted to enhance accessibility of this tool.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».